Machine learning—機械学習
本研究室では，機械学習における「知能」に関して，「記憶・思考・推論・偏向」の科学の構築を目標として，これらのテーマに関する深い理解を目標とします．特に実証的な研究と現実的な問題解決に関する理論構築を目指します．
"Without A Theory The Facts Are Silent"
—Friedrich August von Hayek.
記憶メカニズムの解明:
計算機の中で言語モデルなどの深層モデルはどのように情報を再構築し蓄積するのか，適切な内部表現とは何か，そのような表現を学習するにはどうすればよいか，などの仕組みを解明することを目的とします．
推論と思考の探求：
Chain of Thought（CoT）やInference/Test time compute (推論/テスト時計算アルゴリズム)の活用・強化学習による調整など，複雑な問題に対する論理的な推論プロセスと柔軟な思考過程を可能にするメカニズムを詳細に分析することを目的とします．LLMなどの意思決定プロセスの透明性を高め，より精度の高い推論モデルの実現を目指します．
偏向の分析：
学習過程で生じる帰納バイアスに注目し，どのような偏向を持つのか，を分析しますします．公平性と信頼性を兼ね備えたAIシステムの構築を目指します．
このように「記憶・思考・推論・偏向」に関する深い理解を通して，その先の「知能」の「創発」を目指した研究テーマを扱っています．
機械学習では、画像や文章などの具体的な「データ」を、計算に適した実数値ベクトルへと符号化（エンコード）するプロセスが不可欠です。この符号化は、膨大な学習データから適切な内部表現を獲得し記憶領域内に幾何学的な配置として保持する記憶メカニズムの一端を担います。保持された情報は、Chain of Thought などを活用した思考プロセスと、test time compute や強化学習による動的な推論へと柔軟に転用され、未知のデータに対する予測や生成を可能にします。さらに、学習過程に内在する帰納バイアスが、生成や推論結果に与える影響を詳細に解析することで、公平性と信頼性を備えたAIシステムの実現を目指します。これらの一連の研究は、「記憶・思考・推論・偏向」の深い理解を通して、知能の創発へと繋がる理論的基盤の構築に寄与します。